Đồ án tốt nghiệp - Tối ưu hóa chi phí tính toán mô tả ảnh trong ứng dụng Generative AI

TRƯỜNG ĐẠI HOC SƯ PHẠM KỸ THUẬT TP.HCM
KHOA ĐIỆN- ĐIỆN TỬ
BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THÔNG

KHÓA LUẬN TỐT NGHIỆP

TỐI ƯU HÓA CHI PHÍ TÍNH TOÁN MÔ TẢ ẢNH
TRONG ỨNG DỤNG GENERATIVE AI
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH

Sinh viên:

VÕ ANH KIỆT
20119080
NGUYỄN MINH TUẤN
20119384

Hướng dẫn:

TS. HUỲNH THẾ THIỆN

TP.HỒ CHÍ MINH - 5/2024

TRƯỜNG ĐẠI HOC SƯ PHẠM KỸ THUẬT TP.HCM
KHOA ĐIỆN- ĐIỆN TỬ
BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THÔNG

KHÓA LUẬN TỐT NGHIỆP

TỐI ƯU HÓA CHI PHÍ TÍNH TOÁN MÔ TẢ ẢNH
TRONG ỨNG DỤNG GENERATIVE AI
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH

Sinh viên:

VÕ ANH KIỆT
20119080
NGUYỄN MINH TUẤN
20119384

Hướng dẫn:

TS. HUỲNH THẾ THIỆN

TP.HỒ CHÍ MINH - 5/2024

BAN NHAN XET KHOA LUAN TOT NGHIEP
(Danh cho giang vien huong dan)
DS tai: T6i uu hoa hieu qua tinh toan mo ta anh trong ung dung Generative AI.

Sinh vien:

+ Vo Anh Kiet

MSSV: 20119080

+ Nguyen Minh Tuan

MSSV: 201 19384

Huong dan: TS. Huynh The Thien

1 . Tinh hop ly trong each dat van de va giai quyet van de y nghia khoa hoc va thuc tien:
Dat van de rd rang, muc tieu cu the de tai cd tinh mai, cap thief de tai cd khd nang irng dung, tinh sang tqo.

- De tai co muc tieu ro rang, co tinh moi, va tinh ung dung.
2. Phuong phap thuc hien/ phan tich/ thidt kS:
Phuong phap hop ly vd tin cay dua tren ca so ly thuyet cd phdn tich vd ddnh gid phit hop cd tinh mai vd tinh sang tqo.

- Cd phan tich danh gia phu hop dua tren phuong phap nghien cuu hop ly.
3. Ket qua thuc hien/ phan tich va danh gia ket qua/ kiem dinh thiet ke:
Phil hap vdi muc tieu de tai phdn tich va danh gid / kiem thic thiet ke hap ly cd tinh sang tqo/ kiem dinh chat che va dam bdo do tin cay.

- Ket qua thuc hien phu hop vdi muc tieu de tai.
4. Ket luan va de xuat:
Ket luqn phu hap vai each dqt van de, de xuat mang tinh edi tien va thuc lien ket luan cd dong gdp mai me, de xuat sang tqo vd thuyet phuc.

- Ket luan phu hop vdi de xuat.

5. Hinh thuc trinh bay va bo cue bao cao:
Van phong nhdt quan, bo cue hap ly, cdu true ro rang, dung dinh dang mdu cd tinh hap dan, the hien nang luc tot, van ban trau chudt.

- Diing dinh dang mac du con vai 16i nhd.

6. Ky nang chuyen nghiep va tinh sang tao:
The hiqn cdc ky nang giao tiep, ky nang 1dm viec nhom, vd cdc ky nang chuyen nghiep khde trong viec thuc hien de tai.

- Sinh vien co giao ti6p va ky nang lam viec doc lap/nhom.
7. Tai lieu trich dSn

Tinh trung thuc trong viec trich dan tai lieu tham khdo tinh phu hap cua cdc tai Heu trich dan trich
...

...
nding and generation via cross-modal contrastive
learning,” arXiv preprint arXiv:2012.15409, 2020.
[22] L. Ke, W. Pei, R. Li, X. Shen, and Y.-W. Tai, “Reflective decoding network for
image captioning,” in Proceedings of the IEEE/CVF international conference on
computer vision, 2019, pp. 8888–8897.
[23] J. Lu, R. Gan, D. Zhang, X. Wu, Z. Wu, R. Sun, J. Zhang, P. Zhang, and Y. Song,
“Lyrics: Boosting fine-grained language-vision alignment and comprehension via
semantic-aware visual objects,” arXiv preprint arXiv:2312.05278, 2023.

56

[24] T. Yao, Y. Pan, Y. Li, and T. Mei, “Exploring visual relationship for image captioning,” in Proceedings of the European conference on computer vision (ECCV),
2018, pp. 684–699.
[25] X. Yang, K. Tang, H. Zhang, and J. Cai, “Auto-encoding scene graphs for image
captioning,” in Proceedings of the IEEE/CVF conference on computer vision and
pattern recognition, 2019, pp. 10 685–10 694.
[26] L. Huang, W. Wang, J. Chen, and X.-Y. Wei, “Attention on attention for image captioning,” in Proceedings of the IEEE/CVF international conference on computer
vision, 2019, pp. 4634–4643.
[27] Y. Pan, T. Yao, Y. Li, and T. Mei, “X-linear attention networks for image captioning,” in Proceedings of the IEEE/CVF conference on computer vision and pattern
recognition, 2020, pp. 10 971–10 980.
[28] J. Ji, Y. Luo, X. Sun, F. Chen, G. Luo, Y. Wu, Y. Gao, and R. Ji, “Improving image
captioning by leveraging intra-and inter-layer global representation in transformer
network,” in Proceedings of the AAAI conference on artificial intelligence, vol. 35,
no. 2, 2021, pp. 1655–1663.
[29] Y. Luo, J. Ji, X. Sun, L. Cao, Y. Wu, F. Huang, C.-W. Lin, and R. Ji, “Duallevel collaborative transformer for image captioning,” in Proceedings of the AAAI
conference on artificial intelligence, vol. 35, no. 3, 2021, pp. 2286–2293.
[30] Y. Wang, J. Xu, and Y. Sun, “End-to-end transformer based model for image captioning,” in Proceedings of the AAAI Conference on Artificial Intelligence, vol. 36,
no. 3, 2022, pp. 2585–2594.
[31] Z. Liu, H. Hu, Y. Lin, Z. Yao, Z. Xie, Y. Wei, J. Ning, Y. Cao, Z. Zhang, L. Dong
et al., “Swin transformer v2: Scaling up capacity and resolution,” in Proceedings
of the IEEE/CVF conference on computer vision and pattern recognition, 2022, pp.
12 009–12 019.
[32] A. Karpathy and L. Fei-Fei, “Deep visual-semantic alignments for generating image deions,” in Proc. IEEE CVPR, Boston, MA, USA, Jun. 2015, pp. 3128–
3137.

57